高校专区
Prism：面向可扩展多模态持续指令微调的插件式可复现基础设施
机构 * School of Artificial Intelligence, Nanjing University, China（南京大学人工智能学院） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室）
AI总结 针对多模态持续指令微调中工程瓶颈问题，提出Prism插件式代码库，通过轻量级插件注册机制分离算法开发与骨干实现，支持大规模训练流水线，实现可复现、可扩展的实验。
Comments Code is available at https://github.com/LAMDA-CL/Prism
基于结构引导编排的多智能体协调适应
机构 * Nanjing University（南京大学） ； University of Technology Sydney（悉尼科技大学） ； University of New South Wales（新南威尔士大学）
AI总结 提出MACA框架，通过概率视角将多智能体协调视为结构与编排的联合后验推断，利用任务和预算条件结构先验指导策略编排，实现高效自适应协调，性能平均提升8.42%且令牌消耗减少43.19%。
Comments 21 pages
StreamOV: 通过证据引导记忆与响应触发的流式全视频理解
机构 * Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学） ； Nanjing University（南京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出StreamOV框架，利用多模态证据引导的长短期记忆和隐状态驱动的触发机制，实现流式全视频理解中的在线推理与主动响应，并在新基准SOVBench上取得最优性能。
激活稀疏性与平坦极小值之间的联系
机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Institute of Brain-Machine Interface, Nanjing University（南京大学脑机接口研究院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院）
AI总结 本文发现损失景观的平坦性与Transformer中MLP激活稀疏性密切相关，通过理论推导和三种实用方法增强稀疏性，显著降低推理和训练成本。
在不平衡EEG数据集中基于刺激重建的听觉注意力鲁棒解码
机构 * Key Lab of Modern Acoustics, Nanjing University（南京大学现代声学国家重点实验室） ； Horizon Robotics
AI总结 研究不平衡数据集对基于刺激重建的听觉注意力解码性能的影响，提出留一对包交叉验证协议以防止解码准确率膨胀。
面向多智能体协作的令牌/KV缓存通信介质选择与资源分配策略
机构 * State Key Laboratory of Novel Software Technology, Nanjing University, Nanjing, 210008, China（新型软件技术国家重点实验室，南京大学，南京） ； Institute of Intelligent Networks and Communications (NINE), Nanjing University (Suzhou Campus), Suzhou, 215163, China（智能网络与通信研究院（NINE），南京大学（苏州校区），苏州）
AI总结 针对多智能体协作中异构交互介质带来的端到端延迟权衡问题，提出一种联合通信介质选择与无线资源分配的优化方法，并设计低复杂度算法以最小化延迟。
对抗正交解缠用于LVLM幻觉缓解
机构 * Fudan University（复旦大学） ； Tencent（腾讯） ； Nanjing University（南京大学） ； Southeast University（东南大学） ； Great Bay University（大坝大学） ； TeleAI, China Telecom（TeleAI，中国电信）
AI总结 提出对抗正交解缠（AOD）框架，通过最小最大目标学习幻觉相关方向，并利用双前向对比解码策略，在不需额外训练的情况下缓解大型视觉语言模型（LVLM）的幻觉问题。
面向未知有效维度的实用贝叶斯优化的自动随机嵌入
机构 * Shanghai Institute of AI for Education, and School of Computer Science and Technology, East China Normal University（上海人工智能教育研究院，东华大学计算机科学与技术学院） ； Ant Group（蚂蚁集团） ； Nanjing University（南京大学）
AI总结 提出动态共享嵌入贝叶斯优化（DSEBO）方法，通过自动调整子空间维度并共享查询解，平衡近似与优化误差，在高维优化中显著降低遗憾和时间成本。
Comments This paper has been accepted by IJCAI 2026
ScrapMem: 一种基于生物启发的光学遗忘机制用于设备端个性化智能体记忆
机构 * Nanjing Agricultural University（南京农业大学） ； Nanjing University（南京大学）
AI总结 提出ScrapMem框架，通过光学遗忘机制压缩旧记忆并构建情节记忆图，在资源受限设备上实现高效多模态长期记忆，在ATM-Bench上取得51.0% Joint@10新最优，存储降低93%，召回率提升至70.3%。
Comments 10 pages, 4 figures
FreeRet: 无需训练的多模态大语言模型检索器
机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiaotong University（上海交通大学） ； Institute of Science Tokyo（东京科学研究院） ； Zhejiang University（浙江大学）
AI总结 提出FreeRet框架，将现成的多模态大语言模型转化为无需额外训练的两阶段检索器，通过语义嵌入和重排序提升检索性能。
Comments ICML 2026
RealBench: 在操作条件和极端事件挑战下对数据驱动数值天气预报的基准测试
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Nanjing University（南京大学） ； Southern University of Science and Technology（南方科技大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai TechWind Technology Co., Ltd.（上海技风科技有限公司）
AI总结 提出RealBench基准，通过使用低延迟操作分析和全球10,000+站点观测数据，在严格分布外测试集上评估AI天气预报模型，揭示再分析指标与实际性能的显著差异，特别是极端事件方面。
Comments 35 pages, 22 figures
轨迹一致校准用于缓存加速扩散模型
机构 * Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术实验室）
AI总结 针对缓存加速扩散模型中表示偏差导致生成质量下降的问题，提出无训练的轨迹一致校准方法，通过离线迭代校准缓存表示，在PixArt-alpha和DiT-XL/2上持续改善FID。
Comments 23 pages, 8 figures, 8 tables. Code is available at https://github.com/NJUDeepEngine/TCC
基于LLM驱动的算法调试的程序化精炼用于ARC-AGI-2
机构 * Nanjing University（南京大学）
AI总结 提出一种神经符号精炼方法ABPR，结合LLM与Prolog元解释器，通过证明树推导进行语义重检，在ARC-AGI-2上实现高通过率，并扩展到RAVEN风格推理任务。
Bi-CoG：面向视觉语言模型的双一致性引导自训练
机构 * School of Intelligence Science and Technology, Nanjing University, China（南京大学智能科学与技术学院） ； National Key Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术国家重点实验室）
AI总结 针对半监督微调中模型偏差和超参数敏感问题，提出一种利用模型间和模型内一致性以及误差感知动态伪标签分配策略的即插即用方法Bi-CoG，在14个数据集上显著提升现有方法性能。
Comments Accepted by IJCAI 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈